Pelajari cara screening CV dengan kriteria, evidence, scorecard, dan aturan Pass/Hold/Reject agar shortlist kandidat lebih konsisten dan efisien.
Screening CV yang efektif bukan soal membaca resume secepat mungkin. Tantangan sebenarnya adalah memastikan kandidat dinilai dengan standar yang sama, terutama ketika satu lowongan menerima puluhan atau ratusan aplikasi.
Daripada membuka CV lalu memutuskan berdasarkan kandidat yang terlihat menarik, recruiter bisa membangun proses yang lebih terstruktur:
Job requirement → screening criteria → evidence di CV → score → Pass/Hold/Reject → shortlist → quality check
Dengan alur ini, recruiter punya dasar yang lebih jelas untuk menjawab tiga pertanyaan: kandidat mana yang layak lanjut, mana yang perlu diverifikasi, dan mana yang memang tidak memenuhi requirement dasar.
Screening CV adalah proses membandingkan informasi dalam resume dengan requirement suatu posisi. Tujuannya bukan mencari CV yang paling impresif, tetapi mencari evidence bahwa kandidat memenuhi kebutuhan dasar pekerjaan dan layak masuk ke tahap seleksi berikutnya.
Output yang baik seharusnya bisa dijelaskan. Misalnya: kandidat A lanjut karena memenuhi semua must-have dan punya pengalaman yang relevan, sementara kandidat B masuk Hold karena ada informasi penting yang belum cukup jelas dari CV.
Screening yang terstruktur tidak menjamin Quality-of-Hire. Namun, proses ini membantu hiring team membuat shortlist yang lebih konsisten dan lebih relevan untuk diperiksa lebih lanjut.
Kesalahan yang cukup umum adalah menggunakan job description apa adanya sebagai checklist screening. Masalahnya, banyak requirement di JD masih terlalu umum atau bahkan tidak bisa dinilai secara reliable dari CV.
Memiliki kemampuan komunikasi yang baik: Jangan dijadikan filter CV; verifikasi saat interview
Berpengalaman dalam sales: Minimal 2 tahun pengalaman B2B sales
Menguasai Excel: Pernah menggunakan Excel untuk kebutuhan yang relevan dengan role
Memahami data: Pernah menggunakan SQL atau tools analisis yang dibutuhkan role
Untuk setiap requirement, cek tiga hal: apakah kemampuan tersebut benar-benar dibutuhkan sejak hari pertama, apakah relevan dengan pekerjaan, dan apakah memang bisa dinilai dari CV.
Sebagai contoh, “memiliki pengalaman sales yang baik” masih terlalu terbuka untuk interpretasi. “Memiliki minimal dua tahun pengalaman B2B sales dengan tanggung jawab prospecting atau closing” jauh lebih mudah digunakan oleh dua recruiter yang berbeda tanpa menghasilkan standar yang sepenuhnya berbeda.
Tidak semua isi JD harus berubah menjadi knockout criterion. Sebelum mulai screening, kelompokkan requirement berdasarkan fungsinya.
Must-have
Artinya: Tanpa ini kandidat tidak memenuhi kebutuhan dasar role.
Contoh: Lisensi wajib atau technical skill minimum.
Nice-to-have
Artinya: Memberi nilai tambahan, tetapi bukan alasan otomatis untuk reject.
Contoh: Pengalaman di industri yang sama.
Weighted
Artinya: Digunakan untuk membandingkan kekuatan kandidat.
Contoh: Prospecting, closing, CRM.
Verify later
Artinya: Sulit dinilai hanya dari CV.
Contoh: Komunikasi, motivasi, kedalaman technical skill.
Pembagian ini adalah framework operasional, bukan standar universal. Kategorinya perlu mengikuti kebutuhan role.
Misalnya, pengalaman SaaS bisa menjadi nice-to-have untuk satu Account Executive, tetapi menjadi jauh lebih penting untuk posisi lain yang membutuhkan kandidat langsung produktif di industri tersebut.
Di tahap ini, perhatikan juga fairness. Jangan memberi bobot besar pada faktor seperti prestige sekolah, tampilan CV, atau kriteria samar seperti “culture fit” jika hiring team tidak bisa menjelaskan hubungannya dengan pekerjaan dan evidence apa yang sebenarnya dicari.
Setelah kriteria ditentukan, sepakati evidence seperti apa yang dianggap cukup. Recruiter tidak perlu memberi nilai yang sama pada semua informasi yang tertulis di resume.
B2B sales
Evidence lemah: “Memiliki kemampuan sales”.
Evidence lebih kuat: 3 tahun sebagai B2B Account Executive.
Leadership
Evidence lemah: “Strong leadership skills”.
Evidence lebih kuat: Memimpin tim 8 sales representatives.
SQL
Evidence lemah: SQL tercantum di bagian Skills.
Evidence lebih kuat: Menggunakan SQL untuk reporting atau analysis.
SaaS exposure
Evidence lemah: “Tech enthusiast”.
Evidence lebih kuat: Pernah bekerja atau menjual produk SaaS.
Secara praktis, evidence dapat dilihat dalam tiga level: claimed skill, contextual evidence, dan evidence of scope atau accomplishment.
Contohnya, “Advanced Excel” adalah klaim. “Menggunakan Excel untuk monthly sales reporting dan forecasting” memberi konteks. Jika CV juga menunjukkan scope pekerjaan atau hasil yang relevan, evidence menjadi lebih informatif.
Namun, jangan memaksa semua kandidat menampilkan angka. Untuk banyak role, scope pekerjaan, kompleksitas proyek, jenis customer, ownership, atau ukuran tim sudah memberikan konteks yang dibutuhkan.
Saat membaca CV, fokus pada informasi yang relevan dengan pekerjaan: pengalaman, skills, scope, qualifications, career progression, dan operational requirements bila memang dibutuhkan. Pertanyaannya bukan “CV mana yang paling keren?”, melainkan “evidence apa yang menunjukkan kandidat ini dapat memenuhi kebutuhan role?”
Scorecard membantu recruiter menerapkan kriteria yang sama pada kandidat yang berbeda. Tidak perlu dibuat terlalu rumit.
Misalnya, hiring team bisa menggunakan skala:
Jika membutuhkan penilaian yang lebih granular, gunakan skala 0–5 dengan definisi yang jelas untuk setiap level.
Weighted score bisa dihitung dengan rumus sederhana:
Total Score = Sum of (Criterion Score × Criterion Weight)
Weighting perlu punya alasan. Jika tidak ada dasar yang cukup untuk mengatakan satu kriteria dua kali lebih penting daripada yang lain, equal weighting bisa menjadi starting point yang lebih sederhana daripada membuat persentase yang terlihat presisi tetapi sebenarnya arbitrer.
Score juga bukan ukuran ilmiah tentang siapa kandidat “terbaik”. Kandidat dengan nilai 78 tidak otomatis lebih baik secara objektif daripada kandidat dengan nilai 75. Scorecard berfungsi membantu consistency dan decision-making, bukan menggantikan judgment recruiter.
Setelah scoring, recruiter membutuhkan aturan keputusan yang sederhana.
Pass berarti kandidat memenuhi must-have dan memiliki evidence yang cukup untuk lanjut.
Reject digunakan ketika kandidat jelas tidak memenuhi genuine must-have.
Hold berguna ketika kandidat terlihat cukup relevan, tetapi CV belum memberi informasi yang cukup untuk mengambil keputusan.
Hold penting karena missing information tidak selalu berarti failed requirement. Kandidat bisa saja menggunakan istilah berbeda, menulis CV terlalu ringkas, atau tidak menjelaskan scope pekerjaannya dengan lengkap.
Jika hiring team menggunakan cutoff seperti 70/100, perlakukan angka tersebut sebagai aturan operasional internal yang perlu dikalibrasi, bukan standar universal untuk kandidat yang “qualified”.
Employment gap, tanggal kerja yang overlap, frequent job moves, atau scope pekerjaan yang terlihat tidak sesuai dengan seniority memang bisa memunculkan pertanyaan. Tetapi informasi seperti ini sebaiknya menjadi trigger untuk verifikasi, bukan alasan reject otomatis.
Employment gap, misalnya, tidak menjelaskan sendiri apa yang terjadi. Begitu pula dengan job hopping: konteksnya bisa berupa contract role, layoff, restructuring, project-based work, atau startup closure.
Prinsip yang sama berlaku untuk hal administratif seperti nama file CV, jumlah halaman, atau desain resume. Jika tidak berhubungan dengan kompetensi yang dibutuhkan pekerjaan, jangan menjadikannya shortcut untuk menilai kandidat.
Sebelum shortlist dikirim ke hiring manager, lakukan quality check sederhana. Periksa apakah semua kandidat dinilai menggunakan kriteria yang sama, apakah ada requirement yang berubah di tengah screening, dan apakah satu filter menggugurkan kandidat dalam jumlah yang tidak terduga.
Jika beberapa recruiter mengerjakan posisi yang sama, lakukan calibration sebelum volume screening menjadi besar. Salah satu cara sederhana adalah meminta dua reviewer menilai beberapa CV yang sama, lalu membandingkan alasan di balik score dan keputusan mereka.
Tujuannya bukan supaya semua orang memberi angka persis sama. Yang ingin dicari adalah kriteria yang ternyata ditafsirkan berbeda. Semakin cepat ambiguity ditemukan, semakin mudah scorecard diperbaiki.
Bayangkan perusahaan membuka satu posisi B2B Account Executive dan menerima 180 aplikasi. Hiring manager hanya memiliki kapasitas untuk mewawancarai sekitar 12 kandidat.
Sebelum membuka CV, hiring team bisa membuat scorecard seperti ini:
Pengalaman B2B sales
Tipe: Must-have.
Rule / Bobot: Minimal 2 tahun.
Evidence yang Dicari: Jabatan, customer segment, tanggung jawab.
Prospecting & closing
Tipe: Weighted.
Rule / Bobot: 25%.
Evidence yang Dicari: Ownership dari prospecting sampai closing.
SaaS exposure
Tipe: Preferred.
Rule / Bobot: 15%.
Evidence yang Dicari: Produk atau industri sebelumnya.
Target ownership
Tipe: Weighted.
Rule / Bobot: 20%.
Evidence yang Dicari: Quota atau target bila tersedia.
CRM
Tipe: Weighted.
Rule / Bobot: 10%.
Evidence yang Dicari: HubSpot, Salesforce, atau tools relevan.
English
Tipe: Conditional.
Rule / Bobot: Sesuai kebutuhan role.
Evidence yang Dicari: Work exposure atau certification.
Bobot di atas hanya contoh untuk menunjukkan cara kerja scorecard, bukan benchmark industri.
Misalnya, Kandidat A memiliki tiga tahun pengalaman B2B sales, mengelola prospecting sampai closing, pernah menjual software, menggunakan HubSpot, dan menunjukkan ownership terhadap target. Kandidat ini bisa masuk Pass.
Kandidat B baru memiliki 18 bulan direct B2B sales, tetapi pengalaman sebelumnya sangat dekat dengan commercial B2B dan scope-nya belum jelas. Daripada langsung reject karena tidak menemukan exact match “2 tahun”, recruiter bisa menempatkannya di Hold dan memverifikasi scope pengalaman melalui qualifying question.
Sementara itu, Kandidat C memiliki track record sales yang kuat tetapi seluruh pengalamannya B2C. Jika pengalaman B2B memang sudah disepakati sebagai genuine must-have, kandidat ini masuk Reject.
Nilai scorecard bukan karena sistem ini otomatis menemukan kandidat terbaik. Nilainya ada pada konsistensi: ketiga kandidat dan 177 pelamar lainnya dibandingkan menggunakan prinsip yang sama.
Scorecard untuk warehouse staff tentu tidak perlu sama dengan scorecard untuk software engineer atau Head of Sales.
Untuk high-volume frontline roles, kriteria awal biasanya lebih banyak berkaitan dengan eligibility, lokasi, shift, lisensi, atau pengalaman minimum. Workflow juga bisa dibuat lebih singkat: CV screening → qualifying questions → initial interview/assessment → recruiter review.
Untuk technical atau specialist roles, recruiter mungkin perlu melihat tools, technologies, project complexity, certification, portfolio, atau domain exposure. CV dapat menunjukkan kandidat pernah menggunakan SQL atau Python, tetapi kedalaman skill tetap perlu diuji lewat technical interview atau work sample.
Sementara untuk senior dan leadership roles, terlalu banyak hard filter bisa menghilangkan konteks penting. Scope organisasi, ownership, kompleksitas, strategic responsibility, dan career progression biasanya membutuhkan judgment yang lebih mendalam.
Tidak semua recruitment team membutuhkan teknologi yang sama. Pilihan terbaik bergantung pada bottleneck yang sedang dihadapi.
Manual
Cocok ketika: Volume kecil atau kandidat membutuhkan contextual judgment tinggi.
Kekuatan: Fleksibel dan nuanced.
Keterbatasan: Sulit diskalakan.
ATS
Cocok ketika: Aplikasi dan workflow mulai kompleks.
Kekuatan: Parsing, organization, search, filtering.
Keterbatasan: Hasil bergantung pada konfigurasi dan parsing.
AI-assisted
Cocok ketika: Volume tinggi dan comparison membutuhkan lebih banyak konteks.
Kekuatan: Membantu menerapkan criteria pada banyak kandidat.
Keterbatasan: Tetap membutuhkan human review.
ATS terutama membantu recruiter mengelola aplikasi dan workflow. Implementasi setiap produk berbeda, sehingga tidak ada satu “ATS score” universal yang digunakan oleh seluruh recruitment system.
AI-assisted screening dapat membantu ketika recruiter perlu membandingkan kandidat dalam volume besar atau memahami experience yang tidak ditulis menggunakan exact keyword yang sama dengan JD. Teknologi recruiting seperti LinkedIn Recruiter, misalnya, sudah mendokumentasikan kemampuan AI-assisted search untuk memahami explicit dan implicit qualifications.
Apa pun teknologinya, hiring team tetap perlu menentukan criteria, menangani ambiguous cases, dan mengaudit hasil. Consistency dari sistem tidak otomatis berarti fairness.
Resume parser membantu mengubah isi CV menjadi data kandidat yang lebih terstruktur. Namun, parsing tidak selalu sempurna.
Dokumentasi Greenhouse mencatat bahwa struktur seperti graphics, tables, headers/footer, text boxes, dan column-based layouts dapat menyebabkan parsing gagal atau tidak lengkap. Workday juga menyatakan bahwa hasil resume parsing dapat dipengaruhi oleh format dan struktur dokumen.
Artinya, klaim seperti “CV dua kolom pasti gagal ATS” terlalu absolut. Jika data hasil parsing terlihat aneh atau tidak lengkap, periksa CV aslinya sebelum menjadikan kekurangan tersebut alasan reject.
Tidak ada satu durasi yang ideal untuk semua CV. Review kandidat frontline dengan kriteria eligibility sederhana tentu berbeda dengan screening technical specialist atau senior leader.
Karena itu, klaim populer seperti “HR hanya butuh 7 detik membaca CV” tidak sebaiknya dijadikan operational target. Research pack yang digunakan untuk artikel ini tidak menemukan benchmark otoritatif yang menetapkan jumlah detik atau menit universal per resume.
Lebih berguna jika recruitment team menghitung workload berdasarkan kondisi sendiri:
Total Screening Workload = Jumlah CV × Rata-rata Waktu Review per CV
Misalnya, jika ada 200 CV dan rata-rata internal review membutuhkan empat menit:
200 × 4 menit = 800 menit, atau sekitar 13,3 jam recruiter time.
Jika eligibility filtering mengurangi kandidat yang membutuhkan detailed review menjadi 80:
80 × 4 menit = 320 menit, atau sekitar 5,3 jam.
Empat menit di atas hanyalah contoh perhitungan, bukan benchmark industri.
Selain time per CV, pantau juga time-to-shortlist dan waktu yang dihabiskan kandidat menunggu proses berikutnya. Tujuan automation bukan sekadar membuat recruiter membaca CV lebih cepat, tetapi mengurangi repetitive work agar waktu bisa dialihkan ke kandidat atau keputusan yang membutuhkan judgment manusia.
Scorecard tidak selesai saat shortlist dikirim. Lihat bagaimana kandidat tersebut perform di tahap berikutnya.
Salah satu metric yang bisa digunakan adalah:
Screening Pass Rate = (Kandidat Lolos Screening ÷ Total Kandidat Diskrining) × 100%
Tidak ada universal pass rate yang dianggap “baik”. Gunakan angka ini sebagai diagnostic signal.
Pass rate sangat rendah dan role sulit terisi: Must-have mungkin terlalu ketat
Banyak kandidat Pass langsung ditolak hiring manager: Criteria mungkin terlalu longgar
Reviewer menghasilkan hasil sangat berbeda: Scoring criteria mungkin ambigu
Audit menemukan banyak Reject yang ternyata relevan: Rule mungkin menghasilkan false rejection
Recruiter juga dapat membandingkan hasil screening dengan interview conversion:
Interview Conversion Rate = (Kandidat Lolos Interview ÷ Total Kandidat Di-interview) × 100%
Jika kandidat yang lolos CV screening berulang kali gagal pada requirement dasar saat interview, ada kemungkinan scorecard belum menangkap evidence yang tepat. Sebaliknya, jika hampir tidak ada kandidat yang lolos sementara applicant volume tinggi, cek kembali apakah seluruh must-have benar-benar diperlukan.
CV screening dan background verification sebaiknya tidak dicampur menjadi satu tahap. Resume cukup digunakan untuk menilai informasi yang memang relevan dengan initial screening. Pemeriksaan seperti credential verification, SKCK, atau informasi finansial memiliki tujuan dan pertimbangan yang berbeda.
SLIK, misalnya, adalah sistem yang diatur OJK. Jangan menganggap setiap perusahaan bebas melakukan “BI Checking” terhadap kandidat. Akses dan penggunaannya bergantung pada status pihak yang mengakses, tujuan yang diizinkan, dan aturan OJK yang berlaku. Bagian ini tetap membutuhkan pengecekan legal/compliance sebelum digunakan sebagai company policy.
Data dalam CV juga berada dalam ruang lingkup UU No. 27 Tahun 2022 tentang Perlindungan Data Pribadi. Pengumpulan, penyimpanan, pembacaan, scoring, dan sharing data kandidat perlu dikelola sebagai pemrosesan data pribadi.
UU PDP tidak menjadikan consent sebagai satu-satunya dasar pemrosesan. Pasal 20 mengenal beberapa kemungkinan dasar, termasuk persetujuan eksplisit, kebutuhan kontraktual atau langkah pra-kontraktual, kewajiban hukum, serta kepentingan sah dengan ketentuan yang berlaku. Basis yang tepat untuk workflow recruitment tertentu tetap merupakan keputusan legal yang perlu ditinjau sesuai konteks.
Catatan kejahatan dan data keuangan pribadi termasuk kategori data pribadi spesifik. Karena itu, recruitment team sebaiknya memisahkan informasi yang memang dibutuhkan untuk initial CV screening dari pemeriksaan yang lebih sensitif di tahap berikutnya.
Catatan editorial: bagian ini bukan legal advice. Cek kembali ketentuan PDP dan OJK terbaru bersama legal/compliance sebelum artikel dijadikan dasar kebijakan internal.
Sumber editorial: UU No. 27 Tahun 2022 tentang Perlindungan Data Pribadi, terutama Pasal 4 dan Pasal 20–24; OJK SLIK regulatory framework.
Sebelum membuka CV:
Saat screening:
Setelah screening:
CV paling berguna untuk mengevaluasi informasi yang memang terdokumentasi: pengalaman, qualifications, skills, scope, dan career progression. Banyak hal lain tidak cukup reliable jika hanya disimpulkan dari resume.
Kemampuan komunikasi, problem-solving, technical depth, leadership, atau actual skill execution biasanya membutuhkan evidence yang berbeda. Tergantung role, tahap berikutnya dapat berupa structured interview, technical assessment, work sample, atau kombinasi beberapa metode.
Mimo juga menghubungkan Resume Screening dengan initial interview dan assessment dalam recruitment workflow-nya. Namun, prinsipnya tetap sama: teknologi membantu memproses evidence, sementara hiring team menentukan apa yang dicari dan siapa yang layak dilanjutkan.
Tidak. Bedakan genuine must-have dari nice-to-have dan kriteria yang seharusnya dinilai di tahap lain. Kandidat sebaiknya di-reject karena gagal memenuhi kebutuhan dasar role, bukan karena tidak mencentang setiap baris dalam job description.
Tidak ada angka universal. Sesuaikan shortlist dengan kualitas kandidat dan kapasitas tahap berikutnya. Jika hiring manager hanya memiliki 10 interview slot, mengirim 40 kandidat yang sama-sama “Pass” hanya memindahkan pekerjaan screening ke hiring manager.
Tidak. Scorecard membantu standardisasi, tetapi kriteria yang buruk tetap bisa menghasilkan keputusan yang buruk. Pastikan criterion job-relevant, hindari proxy yang tidak perlu, kalibrasi reviewer, dan audit outcome screening.
Cara screening CV yang efektif bukan dimulai dari target membaca resume lebih cepat. Mulailah dari requirement yang jelas, tentukan evidence yang dicari, gunakan aturan yang konsisten, lalu lihat apakah shortlist tersebut benar-benar menghasilkan kandidat yang relevan di tahap berikutnya.
Ketika volume aplikasi mulai membuat proses manual sulit dipertahankan, baru lihat bagian workflow mana yang paling masuk akal dibantu ATS atau AI. Teknologi bisa mengurangi pekerjaan repetitif, tetapi kualitas screening tetap bergantung pada kriteria yang dibuat oleh hiring team.
Jika applicant volume mulai menyulitkan tim menerapkan screening criteria secara konsisten, Mimo Resume Screening dapat membantu membandingkan experience, skills, dan context kandidat dalam volume besar sebelum recruiter menentukan kandidat yang dilanjutkan.